ホームページ >テクノロジー周辺機器 >AI >清華大学の脳をヒントにしたチップ「Tianjixin X」が猫とネズミのロボット版「サイエンス」の表紙に登場
清華大学が主催するいたちごっこのロボット版がサイエンス誌の表紙に掲載されました。
ここのトムキャットには、「Tianji Cat」という新しい名前が付けられています。これには、清華大学の脳にヒントを得たチップ、TianjicX と呼ばれる 28nm ニューロモーフィック コンピューティング チップの最新の研究結果が搭載されています。
その使命は、ランダムに実行されている電子マウスを捕まえることです。複雑で動的な環境では、さまざまな障害物が異なる場所にランダムかつ動的に配置されており、「Tianji Cat」は視覚認識を使用してマウスを追跡する必要があります。音響追跡、またはその両方の組み合わせにより、障害物に衝突することなくマウスに向かって移動し、最終的にはマウスに追いつきます。
このプロセスでは、「TianjicX」は音声認識、音源位置特定、ターゲット検出、障害物回避、意思決定をリアルタイムのシナリオで実現する必要があり、TianjicX は複数のコンピューティングを同時に実行できます。省エネルギー方式 Paradigm の複数の AI アルゴリズムと複数のロボット調整方法を処理することで、同じタスクの下で、TianjicX の消費電力は NVIDIA の AI チップの半分であり、複数のネットワークを実行する際の遅延は 79.09 倍に大幅に削減されます。
2019年8月、清華大学のShi Luping教授のチームは、世界初の脳をヒントにしたコンピューティングチップ「Tianjic Core」を開発し、登場しましたNature の表紙に掲載され、Nature 編集長のスキッパー博士からも「人工知能の分野における重要なマイルストーン」と称賛されました。
当時、「Tian Ji Core」を搭載した自転車は真の自走性を実現し、バランスを独立して制御し、障害物を回避し、音声コマンドを認識し、前方の歩行者を検知することができました。
中国製チップが『Nature』誌に取り上げられたのはこれが初めてであり、2019年に科学界で毎年注目される研究トピックの1つとなった。
今回、清華大学チームは、以前のチップに基づいてTianjicXチップを開発しました。これは、コンピューティングリソースの適応的な割り当てと各タスクの実行時間のスケジューリングをサポートし、モバイルインテリジェントロボットコンピューティングハードウェアの開発における現在の問題を解決します。
問題と言えば、ロボットを知能化するためのニューラルネットワーク (NN) アルゴリズムの使用が長い間行われてきましたが、低レベルの複数の NN の同時実行を実現する必要があります。レイテンシと高効率も必要です。非同期で実行して柔軟に対話できる必要もありますが、残念ながらまだ誰もそれができません。
いわゆるニューロモーフィック コンピューティング チップは、人間の神経システムのコンピューティング フレームワークとコンピューティング モードを模倣するチップであり、分散型の非ノイマン アーキテクチャに基づいており、複数の処理を実行できます。同時にニューラルネットワークモデルを構築します。
しかし、一般的なニューロモーフィックチップは通常、空間スライシングを使用してコアを事前構成し、パイプライン方式でニューラルネットワークを処理し、事前構成された操作を毎回繰り返すため、既存のコンピューティングハードウェアが複数の集中的なアルゴリズムを実装するのが妨げられます。ローカルに存在するため、低遅延と高効率を実現できません。
したがって、TianjicX チップの開発は 2 つの重要な課題に直面しています:
まず、特にさまざまなニューラル ネットワークの実装における、レイテンシ、同時実行電力 (LCP) のパフォーマンス要件を満たす必要があります。 2 つ目は、タスク間の相互作用をサポートしながら、干渉することなく各タスクの独立した実行を維持することです。
これらの課題を克服するために、研究開発担当者は、アーキテクチャ、チップ、モデルの展開などのさまざまなレベルから一連の設計を実施しました。
1. インフラストラクチャ - Rivulet 実行モデル
このモデルでは、各空間ユニットに計算用のメモリとコントローラーがあり、ニューラル ネットワークと SNN を「静的データ」と「動的データ」に統合します。静的データは対応するメモリに固定され、動的データは隣接する実行間のフローになります。単位。
これにより、Rivulet はロボットのコンピューティング能力要件とハードウェア実装の間のブリッジとなり、静的データの配布と動的データのストリーミングを通じて、ニューラル ネットワーク タスクの実行を抽象化し、時間と空間のスライシングを使用して柔軟なリソース割り当てを実装します。構成可能なハイブリッド同期グループと非同期グループを使用してアクティビティごとに実行できます。
Rivulet モデルに基づいて、清華大学の研究者は 28nm プロセスの相補型金属酸化物半導体 (CMOS) に基づいて TianjicX チップを設計および製造しました。 160 個の構成可能なクロスコンピューティング パラダイム コア (FCore) が統合されており、大規模な並列コンピューティング ユニット、豊富なオンチップ メモリ、各コアの任意に構成可能なプリミティブ シーケンスが備えられています。
コントローラーは FCore 領域の約 1% しか占めませんが、タスクの実行と対話の柔軟性と効率が大幅に向上します。コア メモリ モジュールは、合計容量 144 KB の 5 つのスタティック ランダム アクセス メモリ (SRAM) ブロックで構成されます。高ビット幅の並列読み取りおよび書き込みアクセス インターフェイスを通じて、チップ全体は 400MHz で最大 5.12TB/s のメモリ アクセス帯域幅を実現できます。最適化されたオンチップ メモリ利用により、単位面積あたりの計算能力は次のようになります。 0.2 TOPS/mm2 という高さ。
高速で適切な戦略を自動的に生成するために、コンパイラー スタックは時空間マッピング手法を採用して、さまざまなニューラル ネットワークを統合し、プリミティブ変換や量子化などのハードウェア機能制約を満たすことができます。さまざまなシナリオの実際の状況 複数のタスクを柔軟に構成する必要がある。
TianjicX の機能を実証するために、研究者らはマルチインテリジェント タスク モバイル ロボットに 4 つの TianjicX アレイを導入し、各チップを単独でアクティブ化できるようにしました。 、いたちとマウスの実験では、Tianji CatはTianjicXを1つだけ活性化しました。
複雑で動的な環境において、Tianjimao 氏は、さまざまなニューラル ネットワーク アルゴリズムを使用して、非常に少ないエネルギーを使用しながらリアルタイム シナリオで音声認識、音源位置特定、物体検出を完了することを実証しました。 、障害物の回避と意思決定。 + 障害物のある複雑な環境:
将来的には、さらに多くの可能性を探求します
TianjicX は、ほとんどの商用化されたロボットの研究開発に新しい道を切り開きました。通常、倉庫や工場では予測可能なルーチンに従い、より複雑なシナリオでは、人間の遠隔制御に依存するか、リモートのデータセンターとのワイヤレス接続を維持する必要があります。
TianjicX チップが実証する強力な機能は、ロボットの知能レベルを向上させるために使用できるだけでなく、代替コンピューティング アーキテクチャ設計方法のアイデアも提供します。カリフォルニア大学アーバイン校のジェフリー・クリチマー氏は、「ロボットにとって、この能力は非常に重要であり、自律システムが到達しにくい環境でも長時間自律的に動作できるようになる」と述べた。著者は論文の最後に、「将来的には、より無人ロボットの可能性を探るため、ニューロモーフィック・コンピューティング・ハードウェアとロボット・コンピューティングの組み合わせの研究を続けるつもりです。」と書いています。論文のタイトル: マルチインテリジェントタスクロボットのための時空間弾性を備えたニューロモーフィックコンピューティングチップ
DOI: 10.1126/scirobotics.abk2948
以上が清華大学の脳をヒントにしたチップ「Tianjixin X」が猫とネズミのロボット版「サイエンス」の表紙に登場の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。